关于自动驾驶车辆控制

目录

1. 本文目的

2. 自动驾驶中控制原理

2.1 控制在自动驾驶中的位置

2.2 控制的数据流

3. 汽车控制模型

3.1 汽车运动学模型

3.2 汽车动力学模型

3.3 运动学模型和动力学模型的作用

4. 汽车控制方法

4.1 基于预瞄和PID的控制方法

4.3 基于MPC的控制方法

---

1. 本文目的

本文主要目的在于解析自动驾驶控制，以及几种典型的应用控制方法，部分方法小编并没有经过实战，若有笔误，请多指出。

2. 自动驾驶中控制原理

2.1 控制在自动驾驶中的位置

如图所示，为一种典型的自动驾驶控制系统，包括感知-定位-规划-控制以及车辆执行器，车辆控制则直接通过CAN与车辆通信，进行对车辆执行器的控制。

2.2 控制的数据流

以车辆在道路自动驾驶为例，说明车辆控制的数据流，首先用户输入起始点，通过导航，输出一条全局的规划路径，在行驶的过程中，通过感知系统，实时检测交通状态，道路的边界，以及道路中的障碍物（动态或静态），输入到规划系统，规划系统根据当前 状态，进行车辆行为决策，计算可行驶区域，构建和搜索可行驶的轨迹，同时结合当前车辆的状态和约束，输出一条平滑可行驶的轨迹给控制系统，【控制系统】则根据输入的目标轨迹，以及当前车辆状态，经过控制算法，计算出当前油门-刹车-转向等车辆执行器的目标值，并将目标数据通过CAN传递给车辆执行器ECU，执行器则根据目标值，来具体控制执行器的动作（如转向EPS，来控制方向盘转动的角度，刹车ABS来控制刹车泵的制动深度等），以上就简单说明了整个自动驾驶中经过控制数据流的部分。

那么控制在其中的作用可以总结为以下两点：

1. 跟上规划给定的目标轨迹；
2. 输出目标的控制值给车辆执行器。

3. 汽车控制模型

3.1 汽车运动学模型

所谓的运动学模式，是不考虑车身的受力情况，仅仅考虑车辆运动以及几何关系，以下以自行车模型为例进行说明。

• β 为汽车侧偏角
• ψ为汽车航向角
• X为汽车纵向方向运动
• Y为汽车横向方向运动
• δf为前轮转向角

可以得到运动学模型如下：

X' = V cos(ψ+β)

Y' = V sin(ψ+β)

ψ' = V cos(β) (tanδf - tanδr)/(lf+lr)

β  = arctan((lf*tanδr + lr*tanδf ) / (lf + lr))

核心推导过程说明：

1. 针对三角形OCA 和三角形OCB分别使用正弦定理，得到两等式；
2. 利用 ψ' = ω = V/R,消除其中的R，以此得到 ψ' 的等式；
3. X' 和 Y' 以肉眼即可看出；
4. 其中β角度的计算推导，也是由三角函数中尽量转为tanβ方式即可计算出